Maxwell domina la Physical AI, Samsung porta l’intelligenza artificiale negli esoscheletri

📌 In Sintesi

• Maxwell, sviluppato dall’Institute of Artificial Intelligence for Industries della Chinese Academy of Sciences, raggiunge il 91,9% di successo medio su Meta-World.
• Samsung brevetta un wearable robotico nel quale una rete neurale determina il torque da applicare in funzione dell’esercizio e dell’obiettivo dell’utente.
• I due sviluppi mostrano lo stesso passaggio industriale: l’AI non deve più soltanto comprendere il mondo, ma controllare direttamente oggetti e forze fisiche.

L’intelligenza artificiale sta uscendo dallo schermo. In Cina, Maxwell porta un modello di embodied intelligence in cima a Meta-World, benchmark dedicato alla manipolazione robotica, raggiungendo un successo medio del 91,9% su cinquanta compiti fisici simulati. Samsung segue una traiettoria differente ma convergente: un nuovo brevetto descrive un wearable robotico controllato da una rete neurale, capace di modificare la coppia applicata al corpo sulla base dell’attività dell’utente e di un obiettivo prestabilito. Robot autonomi ed esoscheletri diventano così due terminali della stessa Physical AI: modelli che osservano condizioni fisiche, prendono decisioni e trasformano direttamente il risultato dell’inferenza in movimento.

Maxwell porta la Cina al 91,9% nel benchmark Meta-World

L’Institute of Artificial Intelligence for Industries della Chinese Academy of Sciences attribuisce a Maxwell una percentuale complessiva di successo del 91,90% nel confronto Meta-World e un risultato del 95,67% nella fascia Hard. Il benchmark comprende cinquanta task di manipolazione simulata, tra cui afferrare e trasportare oggetti, aprire porte e utilizzare cassetti, e viene impiegato per misurare quanto una policy robotica riesca a generalizzare comportamenti motori differenti.

Secondo l’istituto cinese, Maxwell ha superato i modelli presenti nella classifica Evo-SOTA sulle quattro fasce di difficoltà considerate. Il risultato non equivale naturalmente alla dimostrazione che un robot equipaggiato con Maxwell possa raggiungere la stessa affidabilità in una casa o in una fabbrica reale: Meta-World resta un ambiente simulato. È però un segnale importante perché sposta la competizione dai modelli linguistici alle capacità di controllo. La Cina sta già cercando di trasformare questa traiettoria in una filiera, come mostra il dominio delle startup cinesi nell’innovazione brevettuale della robotica umanoide e l’accelerazione industriale di Shenzhen tra embodied intelligence, semiconduttori e produzione robotica.

Leggi anche: Nvidia porta la Physical AI dai robot ai robotaxi con Skild S1 e DRIVE

Il vero salto della Physical AI è trasformare inferenza in movimento

Maxwell interessa soprattutto perché il problema dell’embodied intelligence è differente da quello di un chatbot. Un modello testuale può produrre una risposta sbagliata e consentire all’utente di ignorarla; una policy robotica deve invece trasformare percezione e previsione in azioni fisiche, rispettando posizione, attrito, geometria, equilibrio e forza. Una percentuale elevata in un benchmark di manipolazione misura quindi la capacità di tradurre rappresentazioni dell’ambiente in sequenze motorie, non soltanto di classificare ciò che una telecamera osserva.

È lo stesso salto che l’industria occidentale sta cercando attraverso foundation model robotici, simulazione e modelli Vision-Language-Action. Il modello Skild S1 ha già mostrato la possibilità di apprendere nuovi task da una dimostrazione video, mentre Isaac ROS 5.0 porta percezione e controllo accelerati direttamente nei robot autonomi. Il vantaggio cinese potenziale è industriale oltre che algoritmico: maggiore disponibilità di robot significa anche più occasioni per raccogliere dati reali e confrontare il comportamento della simulazione con quello delle macchine fisiche.

Samsung applica una rete neurale direttamente alla forza esercitata sul corpo

Samsung percorre la stessa direzione dall’altra estremità. La domanda di brevetto US20260284465A1, pubblicata il 24 settembre 2026, descrive un metodo per controllare un wearable robotico attraverso i dati dell’esercizio. L’utente definisce un obiettivo; una rete neurale riceve feature relative all’attività svolta e produce una stima delle prestazioni, dalla quale il sistema determina il parametro di torque necessario. Il comando viene quindi trasmesso al dispositivo indossabile, che può applicare forza di assistenza o resistenza al movimento.

Il brevetto contempla parametri come frequenza cardiaca, velocità della camminata e lunghezza del passo e prevede che il modello possa essere aggiornato utilizzando i dati raccolti durante le diverse sezioni della sessione. L’architettura descrive inoltre una possibile integrazione con smartphone, smartwatch e smart glasses. Non è un annuncio commerciale: non esiste ancora un prodotto Samsung confermato basato su questa tecnologia, né il deposito di un brevetto implica che ne arriverà uno. È però significativo che l’AI passi dalla produzione di raccomandazioni al controllo di un attuatore che modifica fisicamente il movimento dell’utente.

Continua con:
Uomo paralizzato muove un braccio robotico con il pensiero
DiDi prepara i robotaxi a Hong Kong mentre la Cina porta gli umanoidi verso il mercato consumer

Dall’AI che suggerisce all’AI che esercita forza nasce un nuovo problema di sicurezza

Maxwell e il brevetto Samsung delineano quindi un cambio di categoria. Nel primo caso il modello decide quale movimento deve compiere una macchina per completare un compito; nel secondo una rete neurale contribuisce a determinare quanta forza un dispositivo deve applicare direttamente al corpo umano. La distanza tra software e conseguenza fisica si riduce e con essa cambia anche il significato di affidabilità. Accuratezza, latenza e generalizzazione non sono più metriche puramente informatiche: devono essere associate a limiti di forza, supervisione, fail-safe e comportamento fuori distribuzione. Il problema è già visibile nei test sulla sicurezza dei robot: RoboHarm ha mostrato che policy fisicamente capaci possono comunque eseguire istruzioni pericolose. È questo il vero confine della Physical AI. Il modello migliore non sarà necessariamente quello che comprende più testo o vince più benchmark, ma quello capace di trasformare un’inferenza in un’azione fisica mantenendo prevedibilità e sicurezza quando il mondo reale non assomiglia ai dati utilizzati per addestrarlo.